孫松林， 杜文武， 李奕成， 錢云

1. 西南大學(xué) 園藝園林學(xué)院， 重慶 400715； 2. 北京林業(yè)大學(xué) 園林學(xué)院， 北京 100083；3. 城鄉(xiāng)生態(tài)環(huán)境北京實(shí)驗(yàn)室， 北京 100083

空間形態(tài)是規(guī)劃設(shè)計(jì)研究關(guān)注的核心內(nèi)容之一， 是各類要素在一定空間范圍內(nèi)規(guī)模、 位置、 形狀以及組合形式的表達(dá). 聚落景觀作為特定歷史文化的載體和產(chǎn)物， 其空間形態(tài)與人們的風(fēng)俗習(xí)慣、 宗教文化、 生產(chǎn)生活、 社會(huì)關(guān)系等息息相關(guān)， 科學(xué)解析聚落景觀的空間形態(tài)特征， 將有助于發(fā)現(xiàn)不同聚落的景觀特質(zhì)與內(nèi)在形成機(jī)制. 但在實(shí)際研究中， 內(nèi)在形成機(jī)制往往需要借助數(shù)學(xué)模型進(jìn)行量化分析， 而量化分析需要輸入具體參數(shù)， 這就要求我們將實(shí)體景觀空間通過合理的識(shí)別、 分類和轉(zhuǎn)化， 提取出空間形態(tài)的邊界輪廓、 面積、 體積等數(shù)據(jù)， 并將這些數(shù)據(jù)轉(zhuǎn)換為數(shù)學(xué)參數(shù)(形態(tài)指數(shù))， 為量化分析提供支撐.

當(dāng)前對空間形態(tài)的研究多是基于人工視覺圖像的定性分析， 少數(shù)借用景觀生態(tài)學(xué)的景觀格局指數(shù)， 對斑塊面積、 周長、 斑塊密度、 分維度、 隔離度、 多樣性等二維空間形態(tài)進(jìn)行分析； 城市形態(tài)學(xué)也主要從城市地圖、 城市平面圖以及立體影像圖中提取街道網(wǎng)絡(luò)和城市天際線等形態(tài)要素， 來研究其形態(tài)特征和歷史演進(jìn). 但這些形態(tài)指數(shù)在研究聚落景觀上具有一定的局限性， 無法全面表達(dá)聚落景觀空間形態(tài)的三維、 活態(tài)特征. 因此， 構(gòu)建一個(gè)易于獲取、 操作性強(qiáng)、 涵蓋面廣的三維空間形態(tài)指數(shù)體系， 可在常規(guī)經(jīng)驗(yàn)歸納與形象描述之外， 為景觀空間形態(tài)特征提供更為精準(zhǔn)的參數(shù)， 更有利于運(yùn)用數(shù)學(xué)模型對空間形態(tài)進(jìn)行科學(xué)的量化分析， 解析聚落景觀空間形態(tài)的內(nèi)在機(jī)理， 也為后續(xù)景觀空間形態(tài)與地理、 經(jīng)濟(jì)、 社會(huì)因素的關(guān)聯(lián)研究提供參考， 具有極大的研究價(jià)值.

1 研究背景與綜述

1.1 分形理論成為研究空間形態(tài)特征與規(guī)律的主要方法

“形態(tài)”是事物基于某種客觀規(guī)則而表現(xiàn)出的結(jié)果， 景觀的大小、 形狀和空間結(jié)構(gòu)影響著其功能特征的發(fā)揮以及物質(zhì)、 能量、 信息流的過程與形式， 并對景觀的性質(zhì)、 變化方向起著決定性作用[1]. 分析景觀空間形態(tài)的目的在于從看似無序的景觀中發(fā)現(xiàn)潛在有意義的序列或規(guī)律， 并把其空間特征與時(shí)間過程聯(lián)系起來， 研究其隨時(shí)間的變化、 演替以及外界干擾對景觀形態(tài)的影響， 從而更清楚地研究和把握景觀形態(tài)與生態(tài)過程相互作用的內(nèi)在規(guī)律性[2]. 因此景觀空間形態(tài)特征是景觀空間結(jié)構(gòu)深化的研究方向， 是景觀生態(tài)學(xué)基本理論研究的重要組成部分， 是景觀生態(tài)評價(jià)、 規(guī)劃、 管理及建設(shè)等應(yīng)用研究的基礎(chǔ).

為了揭示復(fù)雜現(xiàn)象背后所隱藏的規(guī)律性、 層次性和標(biāo)度不變性問題， 分形、 分形維數(shù)和分形幾何相繼誕生， 并成為一門區(qū)別于傳統(tǒng)歐式幾何的獨(dú)立學(xué)科. 它在定量表達(dá)復(fù)雜的不規(guī)則空間格局方面具有顯著優(yōu)勢[3]， 其中分形指標(biāo)作為度量事物分形特征的重要參數(shù)， 成為量化研究的主要手段與討論焦點(diǎn)， 包含了景觀(斑塊)的形狀、 分維數(shù)、 邊界(長度、 復(fù)雜程度等)、 多樣性等多方面內(nèi)容.

建筑、 城鄉(xiāng)規(guī)劃、 風(fēng)景園林等規(guī)劃設(shè)計(jì)研究一直注重空間形態(tài)， 但主要集中在建筑形式、 類型區(qū)劃、 空間結(jié)構(gòu)、 功能分布等方面. 1996年城市形態(tài)學(xué)成立后， 將形態(tài)分析作為整個(gè)城市形態(tài)學(xué)研究的基礎(chǔ)和關(guān)鍵[4-5]. 此后， 空間句法[6]、 分形理論等量化分析方法被引入， 用以精細(xì)化、 定量化描述建筑平面， 城市邊界形態(tài)， 交通網(wǎng)絡(luò)形態(tài)等復(fù)雜的分形特征， 并建立了系列與空間形態(tài)相關(guān)的變量指數(shù)[7]. 而聚落景觀的空間形態(tài)具有無序性、 復(fù)雜性、 非線性特征， 能從復(fù)雜系統(tǒng)中提取簡單規(guī)律的分形理論則剛好適合探究聚落空間形態(tài)體系中的秩序與規(guī)律.

1.2 定量研究成為聚落景觀空間形態(tài)研究的重要趨勢

聚落空間形態(tài)研究過去主要以建筑學(xué)的定性研究為主， 通常采用田野調(diào)查與實(shí)地測繪對聚落空間形態(tài)與類型、 構(gòu)成元素、 美學(xué)價(jià)值、 譜系特征等進(jìn)行探究[8]， 并揭示自然人文環(huán)境對聚落空間形態(tài)的影響[9]， 方法多偏向于空間形態(tài)的現(xiàn)象描述與經(jīng)驗(yàn)性歸納總結(jié). 風(fēng)景園林學(xué)[10]、 社會(huì)人類學(xué)等學(xué)者也對聚落景觀的空間形態(tài)特征、 人文背景因素與多元價(jià)值進(jìn)行了探討， 但同樣缺乏對其形態(tài)特征的量化分析. 隨著學(xué)科交叉的發(fā)展與計(jì)算機(jī)技術(shù)的運(yùn)用， 定量研究快速發(fā)展， 不僅提高了研究效率， 也增加了研究的科學(xué)性. 尤其3S技術(shù)的發(fā)展與普及使聚落景觀空間形態(tài)在定量研究方面取得了豐碩成果[11-12]， 并催生了一系列景觀空間形態(tài)的量化分析方法， 為聚落景觀空間形態(tài)研究提供了更多的可能. 例如景觀生態(tài)學(xué)常利用遙感影像分析聚落空間分維值及其與自然環(huán)境的相互關(guān)系[13-14]， 并基于分形、 信息熵[15]、 遺傳算法[3]等方法進(jìn)行空間形態(tài)特征研究； 建筑學(xué)則依據(jù)聚落邊界與建筑輪廓線， 借助拓?fù)鋵W(xué)、 分形維數(shù)[16]等方法來測度其空間形態(tài)特征與空間結(jié)構(gòu)的發(fā)展演變. 除了平面空間形態(tài)， 城市天際線曲折度、 層次度等立面空間分形研究也方興未艾[17]. 可見， 定量研究已成為聚落景觀空間形態(tài)研究的重要發(fā)展方向.

2 聚落景觀空間形態(tài)研究的技術(shù)瓶頸及指數(shù)體系構(gòu)建

當(dāng)前對空間形態(tài)的研究主要來源于景觀生態(tài)學(xué)基于遙感圖斑的二維平面形態(tài)， 對聚落景觀三維實(shí)體空間形態(tài)的量化研究較少涉足， 同時(shí)在測繪方式和數(shù)據(jù)處理上也存在技術(shù)瓶頸， 所以要構(gòu)建聚落空間形態(tài)指數(shù)體系， 首先要找準(zhǔn)存在的問題， 并在方法上尋求突破， 由此打開聚落景觀空間形態(tài)研究的大門.

2.1 技術(shù)瓶頸

對現(xiàn)有研究和技術(shù)進(jìn)行分析， 總結(jié)起來有3個(gè)方面的技術(shù)瓶頸亟待突破. 一是獲取多尺度、 全方位、 精細(xì)化空間形態(tài)的數(shù)據(jù)存在不足. 由于受制于技術(shù)手段， 對三維空間形態(tài)， 特別是復(fù)雜環(huán)境下的空間形態(tài)難以實(shí)現(xiàn)有效的數(shù)據(jù)測定， 不同尺度空間形態(tài)之間的數(shù)據(jù)缺乏有效的轉(zhuǎn)換和管理途徑. 二是缺乏將圖像數(shù)據(jù)轉(zhuǎn)化為具有分層分類信息的批量處理途徑. 傳統(tǒng)的多光譜數(shù)據(jù)與實(shí)地測繪方式， 獲取成本高、 人工解譯與描圖方式效率低下， 難以滿足無人機(jī)、 數(shù)碼相機(jī)等快速成像設(shè)備的大批量處理要求. 三是量化表達(dá)空間形態(tài)的景觀形態(tài)指數(shù)還不完善. 既有的定量刻畫空間形態(tài)的景觀形態(tài)指數(shù)， 多是基于景觀生態(tài)學(xué)的二維平面形態(tài)指數(shù)， 缺少對立面景觀空間形態(tài)、 三維景觀空間形態(tài)的指數(shù)表達(dá). 這三大難題使空間形態(tài)在強(qiáng)調(diào)三維空間效果的研究實(shí)踐中缺少科學(xué)的基礎(chǔ)支撐與實(shí)現(xiàn)條件.

2.2 指數(shù)體系構(gòu)建

為了開展聚落景觀空間形態(tài)研究， 有必要建立一套相對完善且具有實(shí)用價(jià)值的聚落景觀空間形態(tài)體系. 景觀形態(tài)指數(shù)(Landscape morphology index)， 可以將真實(shí)的圖像景觀轉(zhuǎn)化為可進(jìn)行量化計(jì)算的數(shù)字景觀， 來定量描述景觀空間的規(guī)模、 形狀以及組合特征. 除此以外， 還可以較好地刻畫空間形態(tài)的復(fù)雜程度， 作為連接景觀空間形態(tài)與生成機(jī)理的量化參數(shù)以及揭示自然、 經(jīng)濟(jì)、 社會(huì)活動(dòng)對空間形態(tài)的影響. 經(jīng)過全面梳理景觀生態(tài)學(xué)、 幾何形態(tài)學(xué)、 城市形態(tài)學(xué)、 建筑學(xué)等相關(guān)學(xué)科的空間形態(tài)指標(biāo)及其相關(guān)理論， 在景觀格局指數(shù)的二維平面形態(tài)指數(shù)基礎(chǔ)上， 經(jīng)過歸納整理、 類比推算以及專家咨詢后， 篩除量化描述意義不大的指標(biāo)， 合并相同或相似概念指標(biāo)， 補(bǔ)充必要的三維立體形態(tài)指標(biāo)， 構(gòu)建了包含平面形態(tài)指數(shù)、 立體形態(tài)指數(shù)、 綜合形態(tài)指數(shù)的多維景觀空間形態(tài)指數(shù)， 并檢驗(yàn)、 完善其數(shù)學(xué)理論模型， 使其具有形態(tài)數(shù)據(jù)采集與分析的可操作性. 選取了3個(gè)大類共42個(gè)景觀空間形態(tài)指數(shù)， 并將每類指數(shù)按照其所描述內(nèi)容的不同分為幾何特征指數(shù)和空間關(guān)系指數(shù)兩個(gè)類型(表1). 既包括面積、 周長等描述具體物體形態(tài)的幾何特征指數(shù)， 又包括密度、 連接度等描述物體內(nèi)在關(guān)聯(lián)的特征指數(shù)， 即空間關(guān)系指數(shù). 這些不同層面的指數(shù)， 為空間形態(tài)研究找到了將實(shí)體景觀空間形態(tài)轉(zhuǎn)換為抽象形態(tài)參數(shù)的途徑， 搭建了量化分析的橋梁， 提供了科學(xué)的計(jì)算方法. 以后可根據(jù)具體形態(tài)分析目標(biāo)， 選用合適的指數(shù)對景觀空間進(jìn)行形態(tài)指數(shù)計(jì)算， 以量化特定聚落景觀的空間形態(tài)特征.

表1 景觀空間形態(tài)指數(shù)體系

續(xù)表1

續(xù)表1

3 聚落景觀空間形態(tài)指數(shù)的實(shí)現(xiàn)途徑

大部分鄉(xiāng)土聚落都留存于經(jīng)濟(jì)欠發(fā)達(dá)的偏遠(yuǎn)山區(qū)， 其特殊的地形地貌與復(fù)雜的居住環(huán)境， 加之易受云霧、 天氣等影響， 導(dǎo)致空間正投影與實(shí)際情況差異較大， 因此常規(guī)的衛(wèi)星遙感影像及土地利用數(shù)據(jù)難以真實(shí)反映其空間形態(tài)的豐富性與特殊性， 更無法對小尺度空間形態(tài)要素進(jìn)行高精準(zhǔn)測定與分析. 而傳統(tǒng)的實(shí)地測繪方式又難以快速獲取大尺度區(qū)域的大規(guī)模聚落景觀形態(tài)， 也缺乏必要的三維實(shí)體空間形態(tài)信息. 所以要獲得聚落景觀的空間形態(tài)指數(shù)， 首先要對聚落景觀的三維實(shí)景進(jìn)行高精度采集， 然后將采集到的圖像進(jìn)行分類解析， 識(shí)別出平立面圖像中的建筑、 庭院、 道路、 公共空間、 農(nóng)田、 林地、 水系、 門窗、 墻體、 植物、 天空等空間要素， 實(shí)現(xiàn)從實(shí)體空間到二維圖像再到矢量數(shù)據(jù)的轉(zhuǎn)換， 最后基于分類矢量數(shù)據(jù)， 運(yùn)用指數(shù)計(jì)算公式進(jìn)行不同類別景觀空間形態(tài)指數(shù)計(jì)算. 這里涉及數(shù)據(jù)采集、 數(shù)據(jù)處理與指數(shù)計(jì)算3個(gè)步驟， 其中數(shù)據(jù)采集與數(shù)據(jù)處理是要解決的兩個(gè)關(guān)鍵子問題. 主要技術(shù)框架如圖1所示.

3.1 對聚落景觀空間進(jìn)行高精度采集

當(dāng)前一系列數(shù)據(jù)采集與圖像處理技術(shù)不斷涌現(xiàn)， 為開展聚落景觀空間形態(tài)研究提供了新的途徑. TM、 SPOT、 QuickBird等傳統(tǒng)光學(xué)遙感影像雖然不能滿足復(fù)雜環(huán)境下的精細(xì)化要求， 但其數(shù)據(jù)量大、 時(shí)間跨度長、 覆蓋范圍廣等優(yōu)勢， 可作為基礎(chǔ)數(shù)據(jù)與其他資料相結(jié)合， 進(jìn)行長時(shí)間跨度的動(dòng)態(tài)模型研究. 移動(dòng)通信、 定位導(dǎo)航、 社交網(wǎng)絡(luò)、 街景照片、 Open Street Map等開放大數(shù)據(jù)具有客觀、 多源、 動(dòng)態(tài)、 精細(xì)、 實(shí)時(shí)等優(yōu)點(diǎn)[18]， 還可提供街道、 建筑、 道路等精細(xì)空間的形態(tài)要素?cái)?shù)據(jù)， 使研究者可以突破傳統(tǒng)空間研究尺度范圍小、 高度依賴手工作圖等局限， 進(jìn)行大尺度范圍的精細(xì)化分析[19-20]. 但不論是遙感還是開放數(shù)據(jù)， 其覆蓋面與數(shù)據(jù)精度在鄉(xiāng)村地區(qū)都難以滿足研究需求， 因此必須進(jìn)行局部數(shù)據(jù)增強(qiáng)采集. 無人機(jī)低空遙感(UAV-RS)具有高靈活性、 高時(shí)效、 高分辨率、 低成本等諸多優(yōu)點(diǎn)， 已成為景觀空間信息提取的新技術(shù)之一[21]. 其中傾斜攝影測量技術(shù)可以高精度和高清晰度全面感知復(fù)雜場景， 并通過三維數(shù)字表面模型(DSM)直觀反映地物的外觀、 位置、 高度等屬性， 為景觀空間形態(tài)數(shù)據(jù)采集提供了新的途徑. 而在地面攝影方面， 激光雷達(dá)(Lidar)可通過對空間點(diǎn)云數(shù)據(jù)的梳理來快速建立結(jié)構(gòu)復(fù)雜、 不規(guī)則場景的三維可視化模型， 讓空間形態(tài)的高精度三維數(shù)據(jù)獲取與分析變得簡便易行[22]. 這些新技術(shù)使我們可以測度那些過去難以測度的精細(xì)要素， 更深入地認(rèn)知聚落景觀的空間形態(tài)特征. 但目前各項(xiàng)技術(shù)的研發(fā)應(yīng)用大多各自獨(dú)立， 缺少一個(gè)集遙感、 無人機(jī)傾斜測量、 激光雷達(dá)、 手持點(diǎn)云攝影、 實(shí)地測繪等多方技術(shù)優(yōu)點(diǎn)的“空地一體化”信息采集與處理平臺(tái)， 真正實(shí)現(xiàn)“宏觀+微觀”、 “三維+時(shí)間”的根本性轉(zhuǎn)變. 因此， 針對聚落景觀空間尺度多變， 空間形態(tài)復(fù)雜等特征， 可從宏觀、 中觀、 微觀3個(gè)尺度， 分別對聚落景觀的二維平面空間形態(tài)數(shù)據(jù)與三維立體空間形態(tài)數(shù)據(jù)進(jìn)行采集與批量化處理(圖2).

圖2 多尺度聯(lián)動(dòng)的聚落景觀空間形態(tài)數(shù)據(jù)采集

宏觀尺度的空間形態(tài)研究著重關(guān)注聚落在空間上的分布特征和相互關(guān)系， 因而略去聚落輪廓、 面積等屬性， 將聚落單元抽象表達(dá)為一個(gè)中心點(diǎn). 運(yùn)用ERDAS和GIS對TM、 SPOT5、 QuickBird等遙感影像對聚落點(diǎn)位(也可用居民點(diǎn)數(shù)據(jù)代替)和區(qū)域性景觀要素進(jìn)行提取， 分析研究聚落的聚集度指數(shù)、 平均最近鄰指數(shù)、 分布密度等形態(tài)特征， 以及與區(qū)域水系、 道路、 耕地、 草地、 林地等要素的相關(guān)關(guān)系特征.

中觀尺度則將聚落看作景觀生態(tài)學(xué)中的斑塊， 利用無人機(jī)低空航測技術(shù)(UAV-RS)， 從垂直、 傾斜等多個(gè)角度對聚落平面、 節(jié)點(diǎn)以及組團(tuán)空間等進(jìn)行高重疊度影像采集， 再利用Pix4DMapper等軟件， 基于影片所包含的POS信息進(jìn)行畸變差校正、 自由網(wǎng)平差、 正射影像拼接等處理， 獲得正射影像(DOM)數(shù)據(jù)， 再匹配、 疊加衛(wèi)星遙感影像， 獲得聚居區(qū)、 道路、 公共設(shè)施、 水域、 林地、 草地、 耕地、 園地等圖斑的準(zhǔn)確數(shù)據(jù).

在微觀尺度， 受地形起伏、 建筑與植物遮擋等限制， 無人機(jī)也無法完成復(fù)雜環(huán)境中的空間形態(tài)數(shù)據(jù)獲取， 需借助地面手持?jǐn)z影設(shè)備對街巷空間、 特殊建筑物、 內(nèi)部道路等景觀節(jié)點(diǎn)進(jìn)行補(bǔ)充增強(qiáng)拍攝獲得密集點(diǎn)云(Point Cloud)數(shù)據(jù)， 再利用Pix4DMapper等軟件和無人機(jī)獲取的影像照片一起進(jìn)行空中三角測量計(jì)算， 構(gòu)建三角網(wǎng)格模型， 最后結(jié)合影像中的像素信息生成富有紋理的高精度三維數(shù)字表面模型(DSM).

3.2 從海量圖像中提取空間形態(tài)的分類矢量數(shù)據(jù)

傳統(tǒng)的空間形態(tài)矢量數(shù)據(jù)主要依靠測繪圖紙或人眼識(shí)別解譯后進(jìn)行手工制圖來完成， 但高精度測繪對于超大尺度的聚落景觀來說成本昂貴. 而無人機(jī)、 手持相機(jī)等采集的海量圖像超出了人工解析處理的范疇， 必須采取智能的方式進(jìn)行圖像識(shí)別與分類. 基于深度學(xué)習(xí)(Deep Learning)的卷積神經(jīng)網(wǎng)絡(luò)模型(Convolutional Neural Networks)圖像分類方法沖破了傳統(tǒng)圖像分類方法的瓶頸， 是當(dāng)前圖像識(shí)別與分類領(lǐng)域的核心算法之一. 它由數(shù)據(jù)輸入層、 卷積計(jì)算層、 激勵(lì)層、 池化層、 全連接層構(gòu)成， 經(jīng)過圖像預(yù)處理、 圖像壓縮、 圖像特征提取、 圖像分割和圖像識(shí)別五大步驟[23]實(shí)現(xiàn)對圖像內(nèi)容的分類識(shí)別. 其中圖像語義分割是判別圖像特征的關(guān)鍵操作， 它將圖像的每一個(gè)像素同一個(gè)類型標(biāo)簽(人物、 植物、 建筑、 道路等)建立聯(lián)系， 可高效、 精準(zhǔn)解析圖像的幾何形態(tài)、 紋理和空間分布特征， 廣泛應(yīng)用于遙感影像分類、 自動(dòng)駕駛、 災(zāi)害分析等領(lǐng)域[24]. 對于大部分缺少人工智能專業(yè)知識(shí)的研究人員， 也可以選擇基于Caffe的Fine-tuning定型模型工具包對所采集的圖像(遙感、 照片、 模型)中各像素目標(biāo)進(jìn)行識(shí)別， 然后利用圖像語義分割將具有相似紋理、 顏色和亮度等特征的相鄰像素點(diǎn)進(jìn)行分類， 再將相同類別的相鄰像素合并(合并后的像素能夠組成圖像中的各目標(biāo)物體， 且擁有準(zhǔn)確的原始邊界)， 實(shí)現(xiàn)圖像中建筑、 植物、 天空等目標(biāo)物體的識(shí)別和分類[25](圖3，圖4). 當(dāng)然， 對于高光譜遙感影像也可以借助ERDAS IMAGINE進(jìn)行地物分類與信息提取； 而對于僅需識(shí)別植被、 天空、 硬質(zhì)空間等簡單分類要求時(shí)， 還可采用Matlab等軟件基于圖像的HSV色彩空間來識(shí)別、 提取粗略分類的物體空間形態(tài)， 再結(jié)合人機(jī)交互解譯而獲得物體面積、 輪廓等空間形態(tài)數(shù)據(jù). 這些途徑都可以相對準(zhǔn)確、 批量化地提取聚落景觀中的空間形態(tài)， 為計(jì)算各類景觀空間的形態(tài)指數(shù)創(chuàng)造條件.

圖3 利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行遙感影像分類的流程及不同方法模型分類結(jié)果對比

圖4 不同卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行全景圖像識(shí)別與分類的結(jié)果對比

3.3 空間形態(tài)指數(shù)計(jì)算

地理信息系統(tǒng)(GIS)提供了一些針對聚落斑塊數(shù)、 斑塊面積、 斑塊密度、 近鄰距離等景觀空間形態(tài)指數(shù)的定量分析工具[26]， 但可使用的范圍較小. 專門計(jì)算景觀生態(tài)學(xué)指數(shù)的Fragstats軟件包含了大量的形態(tài)指數(shù)工具， 可對具有分類信息的柵格地圖進(jìn)行復(fù)雜計(jì)算， 但其主要適用于土地利用等宏觀尺度的平面數(shù)據(jù)， 難以對精度1M以下的中微觀數(shù)據(jù)以及立面與三維數(shù)據(jù)進(jìn)行分析計(jì)算. 除了GIS平臺(tái)， Fractalyse也可用于計(jì)算空間的分形維數(shù)， 但在規(guī)劃設(shè)計(jì)行業(yè)中普及度較低. 希列爾(Hillier)提出的空間句法(Space Syntax)理論也被廣泛運(yùn)用于街道空間形態(tài)與可達(dá)性研究， 基于該理論開發(fā)的Depthmap與Spatial Design Network Analysis(SDNA)等軟件可對街道網(wǎng)絡(luò)的拓?fù)鋵W(xué)距離、 幾何學(xué)距離和物理距離等形態(tài)特征進(jìn)行分析[27-28]. 此外， Place Syntax可將街道可達(dá)性與建筑密度、 設(shè)施、 功能、 人口等要素疊合， 進(jìn)行空間活力分析[29]. 這些軟件為景觀空間形態(tài)分析提供了數(shù)據(jù)與平臺(tái)支撐， 但均有其適用的分析尺度與有限的形態(tài)指標(biāo)范圍， 因此針對聚落景觀這種跨尺度、 多維度的形態(tài)指數(shù)計(jì)算則需要對多種軟件平臺(tái)進(jìn)行綜合運(yùn)用. 斑塊密度、 斑塊形狀指數(shù)、 公共空間密度、 周長面積比分維數(shù)等指標(biāo)主要依靠GIS、 Fragstats等軟件平臺(tái)來計(jì)算， 輪廓分形維數(shù)、 公共空間分維指數(shù)、 建筑密度、 天空可視指數(shù)、 景觀層次度等指標(biāo)則依靠Fractalyse、 Depthmap等軟件來實(shí)現(xiàn)(圖5).

圖5 聚落景觀空間形態(tài)指數(shù)的實(shí)現(xiàn)途徑及主要操作平臺(tái)

4 聚落景觀空間形態(tài)指數(shù)的應(yīng)用前景

4.1 精準(zhǔn)表達(dá)聚落景觀的空間形態(tài)特征

由于大量鄉(xiāng)土聚落都位于自然地理?xiàng)l件極為復(fù)雜的偏遠(yuǎn)地區(qū)， 其范圍跨度大、 個(gè)體數(shù)量多、 形態(tài)特征復(fù)雜， 且存在融合與漸變現(xiàn)象. 因此， 單靠以往的定性歸納與分類總結(jié)遠(yuǎn)遠(yuǎn)不夠， 必須對聚落空間特征進(jìn)行精準(zhǔn)表達(dá)， 而景觀空間形態(tài)指數(shù)作為形態(tài)特征方面的量化參數(shù)， 可使聚落景觀特征的精準(zhǔn)表達(dá)成為可能， 實(shí)現(xiàn)對聚落景觀空間形態(tài)特征的科學(xué)識(shí)別， 推動(dòng)景觀空間形態(tài)特征研究的長足發(fā)展.

4.2 為聚落景觀空間的演變機(jī)制研究提供基礎(chǔ)工具

絕大多數(shù)聚落景觀都處于不斷地演變之中， 這種演變不僅體現(xiàn)在不同年代的革新與變化， 還體現(xiàn)在不同地域、 不同民族之間的逐漸過渡與演化之中. 通過景觀空間形態(tài)指數(shù)這一研究工具， 可幫助我們從復(fù)雜的聚落實(shí)體空間中， 提取出可以量化分析的指標(biāo)， 辨析出聚落景觀在時(shí)間跨度上的演變要素與規(guī)律， 進(jìn)一步解析聚落景觀空間形態(tài)變化的驅(qū)動(dòng)因子與演變機(jī)制.

4.3 實(shí)現(xiàn)聚落景觀空間形態(tài)特征的量化對比

應(yīng)用景觀形態(tài)指數(shù)可以定量描述聚落景觀的空間形態(tài)特征， 并基于這些量化參數(shù)， 對不同民族、 不同類別、 不同時(shí)間的景觀形態(tài)特征進(jìn)行精準(zhǔn)對比分析， 突破傳統(tǒng)的經(jīng)驗(yàn)描述與歸納總結(jié)研究方式， 更精確地了解各類聚落景觀的特征與差異， 引導(dǎo)其正確開展傳統(tǒng)文化景觀的原真性與多樣性保護(hù)開發(fā).

4.4 助力地域文化景觀保護(hù)與鄉(xiāng)村振興

聚落景觀作為獨(dú)特地理環(huán)境與地域文化的產(chǎn)物， 是一個(gè)地方歷史層積的鮮活文檔， 記載了該地區(qū)不同時(shí)期人居環(huán)境的形成與演變過程， 也是族群宗教文化、 價(jià)值觀念、 生態(tài)智慧的集中體現(xiàn)， 具有重大價(jià)值與意義. 但隨著經(jīng)濟(jì)發(fā)展與新農(nóng)村建設(shè)， 大量傳統(tǒng)聚落景觀逐漸消失， 新農(nóng)村建設(shè)則以標(biāo)準(zhǔn)模板快速推進(jìn)， 古村古鎮(zhèn)也在風(fēng)貌打造中， 由于人為偏好與定性指導(dǎo)而出現(xiàn)嚴(yán)重趨同與“漢化”“中式”現(xiàn)象. 因此， 深入探究聚落景觀的空間形態(tài)指數(shù)， 可將聚落景觀的空間形態(tài)特征由因人而變的定性表達(dá)轉(zhuǎn)化為以數(shù)據(jù)為依托的精準(zhǔn)畫像， 進(jìn)而為規(guī)劃設(shè)計(jì)人員提供參數(shù)指引， 優(yōu)化設(shè)計(jì)成果； 為地方管理者提供管控指標(biāo)， 形成精準(zhǔn)決策. 對增強(qiáng)地方的文化認(rèn)同與文化自信， 實(shí)現(xiàn)該區(qū)域的鄉(xiāng)村振興與社會(huì)和諧有積極作用.

5 總結(jié)與展望

景觀空間形態(tài)指數(shù)作為表達(dá)景觀空間形態(tài)特征的量化指標(biāo)， 可將三維實(shí)體景觀空間形態(tài)轉(zhuǎn)換為可進(jìn)行數(shù)學(xué)模擬分析的量化指標(biāo)(景觀形態(tài)指數(shù))， 突破了因研究者主觀判斷與手工制圖的差異而評價(jià)標(biāo)準(zhǔn)難以統(tǒng)一的難題， 實(shí)現(xiàn)了對不同尺度復(fù)雜景觀空間形態(tài)特征的精準(zhǔn)表達(dá)與規(guī)律總結(jié). 還可以對同一景觀空間形態(tài)進(jìn)行連續(xù)對比分析， 以及對不同景觀空間形態(tài)進(jìn)行關(guān)聯(lián)性分析. 這有助于全面把握景觀空間形態(tài)的整體特征、 變化過程、 變化規(guī)律， 并解析其背后的演變驅(qū)動(dòng)機(jī)制， 具有廣闊的研究前景與應(yīng)用價(jià)值， 必將成為未來聚落景觀空間研究的重要突破方向.